待验证50% 置信事实精确时间
混合线性注意力（HLA）模型在部分层保留标准注意力、在其余层使用线性注意力，兼顾局部精确检索与长程记忆。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证模型层级构成为 54 层 KDA（Kimi Delta Attention）线性注意力、17 层 BCSA 压缩稀疏注意力、1 层全注意力（第72层）77% 相似待验证混合架构（线性注意力 + 标准注意力）相比纯全注意力在长上下文任务中效率更高，但在某些需要精确全局依赖的推理任务中线性注意力可能略逊于标准注意力76% 相似待验证常见的模型改进注意力机制模块包括SE注意力机制、CBAM通道与空间注意力、ECA高效通道注意力75% 相似待验证GLM-5.3-Flash 的注意力架构将计算拆为线性注意力（O(n)递归状态，处理近期token）和稀疏注意力（轻量索引器回扫全局上下文，只拉取相关远端片段）两条路径。74% 相似待验证现有主流稀疏注意力方法通过保留注意力矩阵中数值较大的条目或高质量区域来筛选交互74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1032831API
curl https://kongchang.com/api/v1/knowledge/claims/1032831MCP
get_claim(id=1032831)